آیا هوش مصنوعی، می تواند هوشیار شود؟
از تکامل تا مغز، از مغز تا تکامل هوش مصنوعی- قسمت هفدهم
هوش مصنوعی همانطور که از نام آن پیداست، هوشمند میباشد. هوشمندی به معنی درک درست محیط و واکنش مناسب به آن است. در این فرایند درک بهتر و واکنش مناسب تر، منجر به هوشمندی بهتر میشود. بازخورد، روشی برای بازنگری بر محصول و تلاش برای تولید محصول بهتر(واکنش بهتر)است.
سیستم های دارای بازخورد، سیستم هایی هستند که می توانند از نتایج و محصولات، یاد بگیرند و برای تولید محصول بهتر، تلاش کنند.
ولی هوشیاری، آگاهی نسبت به خویش است که یک مرتبه، ریشه ای تر و بنیادی تر در مقایسه با هوشمندی است.
در هوشیاری، شیء یا فرد نسبت به خود، آگاه است و این خود، الزاما خود زمینی مادی نیست و لازمه ی آن، وجودی در مرتبه ی بالاتر از وجود پایینی است؛ یعنی شناخت خود، به وسیله ی خود، در همان سطح رخ نمیدهد بلکه به وسیله ی خودی در مرتبه و سطحی بالاتر حاصل میشود.
این نگاه- که با وجود در سطحی بالاتر صورت می گیرد- نگاهی اصیلتر و عمیقتر است.
در هوشمندی نگاه از درون مجموعه بر اجزای دیگر مجموعه، صورت میگیرد و این نگاه، بسیاری از حقایق موجود را نادیده میگیرد.
نگاه از درون مجموعه، تغییرات و تحولاتی را- که بر همه ی اجزای مجموعه به صورت یکسان وارد میشود- نادیده میگیرد.
طبیعتا حرکت مداوم- که بر همه ی اجزای درون مجموعه اعمال میشود، ولی از نگاه ناظر درون مجموعه مادی نادیده گرفته میشود- بر کیفیت محصول و واکنش مناسب، تاثیر منفی خواهد بود.
بازده سیستمی بیشتر خواهد بود که بازخورد آن فقط محدود به نگاه از درون مجموعه و برآورده کردن نیازهای درون مجموعه نباشد بلکه فراتر از ابعاد درون مجموعه(مثلا ابعاد زمینی مانند مکان و زمان) بنگرد. چنین سیستمی بر سیستم دیگر که محدود به این ابعاد نخواهد بود برتری دارد.
از این رو هرچند سیستم های هوش مصنوعی کنونی با نگاهی هوشمند ولی غیر هوشیار توانسته است بر بسیاری از چالش های ناشی از کمبود هوش انسان فائق بیاید، محدودیت هوشیار نبودن همچنان وجود دارد.
تلاش بر ساختن اجزای هوش مصنوعی زنده با قابلیت همانند سازی، میتواند تلاشی برای برطرف شدن این محدودیت باشد. سیستم های هوشمند ساخته ی دست انسان، فقط اطلاعلات در قالب حروف الفبای ماشین، صفر و یک در کامپیوترهای معمولی و یا بی شمار رقم بین صفر و یک در کامپیوترهای کوانتومی نیست بلکه این اطلاعات این سیستم ها میتواند از حروف الفبای حیات در زمین یعنی اسیدهای نوکلئیک استفاده کند.
دست باز انسان در مهندسی ژنتیک نوین و تکنیک های دستاری ماده ی ژنتیکی(کریسپر CRISPR)می تواند فراتر از زبان ماشین و داده های محدود آن، دروازه ی بزرگی را به سوی داده های حیاتی در قالب ماشین های دست ساز ولی زنده، بازی کند.
هرچند تولید ماشین های زنده، در ابتدای حرکت و تکامل خویش است ولی با تکامل این سازه های هوشمند و زنده، میتوان در آینده ی نزدیک ظرف های مصنوعی ولی زنده و هوشمند را ارتقا داد تا موجودی دارای قدرت هوشیاری ایجاد شود.
طبیعتا هوشیاری و شناخت خود، در یک سطح نخواهد بود و سیر تکامل دائمی شناخت، می تواند به شناخت مراتب بالاتر وجود و ارتقای هوشمندی و به تبع آن هوشیاری عمیق بینجامد.
(نگاه شود مقاله هایتولید مثل اولین ربات های زنده ی جهان و حس و ادراک- قسمت بیست و پنجم در همین کانال. )
محققان، Chat GPT را با یادگیری از اشتباهاتش، توسعه می دهند!
ممکن است تیمی از محققان، راهی برای بهبود چت ربات های LLM پیدا کرده باشند که شامل بهبود دقت ChatGPT-4 تا 21 درصد می شود.
در یک پیش نویس جدید، تیم توضیح می دهد که چگونه با اجازه دادن به درک عوامل هوش مصنوعی در مورد اشتباهات، به این امر دست یافته اند.
طبق مقاله ی آنها، این تیم از فرآیندی به نام Reflexion استفاده کردند که حافظه ی پویا و قابلیت های خود انعکاسی را برای مشتری فراهم می کند تا تاثیرات تفکر فعلی و توانایی های آنها را برای انتخاب اقدامات برای وظایف خاص افزایش دهد.
با توجه به آنچه تیم پژوهش در Substack توضیح داد، هوش انسان با توانایی آن در یادگیری از اشتباهات مشخص می شود.
انسان ها ممکن است نتوانند در اولین تلاش مشکلات را حل کنند، اما زمانی که اشتباهات رخ میدهد، با تجزیه و تحلیل مراحل اشتباه، ایده های جدیدی تولید می شود.
بر این اساس، تیم به عوامل هوش مصنوعی اجازه داد اقدامات و اشتباهات خود را در جستجو، تجزیه و تحلیل کند. این تیم پژوهشی عوامل هوش مصنوعی را برای حل مشکلات مختلف، از برنامه نویسی گرفته تا آزمایش در AlfWorld؛ یک محیط مبتنی بر متن- که برای آموزش و آزمایش عوامل هوش مصنوعی استفاده می شود- به چالش کشید.
از کاربر خواسته شد تعدادی کار را انجام دهد، اما تنها راه برای انجام، این بود که محیط خود را از طریق متون یاد بگیرد و برای انجام بازخورد، مانند یک بازی ماجراجویی متنی، پاداش دریافت کند.
در حین اجرای عامل در AlfWorld بدون تکنیک بازتاب، او توانست به دقت 63 درصد، دست یابد. هنگامی که به کاربر توانایی بازتاب انعکاس، یعنی توانایی فکر کردن در مورد اعمال و اشتباهات خود داده شد، توانست به دقت 97 درصد دست یابد و 130 کار از 134 کار را حل کند.
در کاری دیگر، از هوش مصنوعی زبانی خواسته شد پاسخی برای یک سوال بیابد (کدام بازیگر برای بازی در grown ups در بیان Hello Hello شناخته شده است؟).
مدل زبانی، ابتدا فهرست بازیگران را جستجو می کند و سپس برای ایجاد تقاطع بین دو دیدگاه، عبارت (aloo-aloo) را جستجو می کند.
هوش مصنوعی روند تفکر انعکاسی را توضیح می دهد: من به دنبال نمایش اشتباهی گشتم، باید به دنبال شخصیت اصلی سریال، جردن کی، می گشتم و سپس نقشی را- که او با آن در نمایش مشهور بود- پیدا می کردم.
پیش از اعمال این مدل، هوش مصنوعی در کار خود موفق نبود ولی
پس از اعمال این مدل تفکر، هوش مصنوعی مجدداً به همان وظیفه، بازگشت. اما این بار توانست آموخته های خود را به کار ببندد و در کمترین مراحل ممکن، تکلیف را به پایان برساند و پاسخ صحیح را دریافت کند.
همه ی کابران هوش مصنوعی، مشغول استفاده از ChatGPT میشدند و در آخرین بهروزرسانی، تیم از ChatGPT-3 و GPT-3.5 استفاده میکرد. هنگام استفاده از تفکر بازتابی، هوش مصنوعی در کارهای کدنویسی، دقت 88 درصدی را در مقایسه با 67 درصد به دست آورد.
در هنگام استفاده از تفکر بازتابی ChatGPT-4 به تنهایی توانست موفق عمل کرد.
این تیم در Substack افزود: انسان ها همیشه فناوری های جدیدی را برای دستیابی به استانداردهای پیشرفته، با استفاده از فرآیندهای تصمیم گیری- که قبلاً تصور می شد منحصر به هوش انسان است- توسعه نمی دهند، اما این دقیقاً همان کاری است که ما انجام داده ایم.
https://www.iflscience.com/researchers-improve-chatgpt-by-getting-it-to-learn-from-its-own-mistakes-68299?fbclid=IwAR0365GBRA62JZ5HVgdDj0WEQV4XYzac-gkWoRAa5aCIag7q-l6ytnQH0yA
آدرس مطب : اصفهان ، خیابان آمادگاه ، روبروی داروخانه سپاهان ، مجتمع اطبا ، طبقه اول
تلفن : 32223328 - 031